喷射成形镍基高温合金短期时效γ＇相长大动力学

利用喷射成形工艺制备了GH742y高温合金沉积坯锭，对其在780-850℃温度区间进行2～12h短期时效处理；测量了780℃不同时效时间条件下的喷射成形合金和铸造合金的电阻率，从而计算了相应的空位迁移能。采用光学显微镜、扫描电镜和图像分析软件对喷射成形GH742y合金的γ’相形态、尺寸变化及长大动力学进行了研究。结果表明，在时效过程中γ＇相逐渐转变为球形，随时效温度的升高和时间的延长γ’相尺寸增加，但温度对其影响比时间更为显著；计算得到合金的扩散激活能为130．9kJ／mol，从而确定其长大动力学方程为rf^3-r0^3=9．4×10^13·（t／T）·exp（-130．9／RT）：测得780℃下喷射成形合金的空位迁移能为0．21eV，铸造合金的为1．16eV，因此喷射成形高温合金更容易形成大量的空位，导致其电阻率比铸造合金的高，而激活能值则较小，从而促进了元素扩散速度，缩短了峰时效硬化时间。     

气幕挡墙中间罐数模仿真研究

采用欧拉两流体模型以及多孔介质模型,通过数值模拟方法研究了在不同气幕挡墙配置方式下中间罐内钢液的流动特性.结果表明:当气幕挡墙代替坝时,不仅降低了成本,减少了钢液中非金属夹杂物,提高钢液洁净度,而且能够较好地延长停留时间,降低滞止区体积,有利于夹杂物上浮.     

考虑居民用户特征的居民小区配变容量优化研究

考虑负荷密度等多种因素,对居民小区进行了分类。针对不同类型小区的特性,采用不同的负荷预测方法,提出了基于居民区特性和配电变压器经济性运行的配变容量优化方法,并通过实际算例证明了方法的有效性。     

基于联合加权熵的高比例可再生能源电网适应性扩展规划

为满足可再生能源大规模并网的发展趋势,提升系统对可再生能源的接纳能力,亟需规划建设具有高适应性的电网结构。基于联合加权熵理论,文章从适应可再生能源安全并网角度出发,提出一套面向电网规划的适应性指标体系。该指标体系同时考虑不确定运行环境下,电网潮流分布的安全性及稳定性,节点、支路的均衡性及合理性,通过分析电网实际状态及电气结构以评估可再生能源并网不确定环境下电力系统的安全性。然后,基于适应性指标建立输电网多目标规划模型,并采用带层次分析约束锥的数据包络分析法对Pareto非劣解集进行综合决策。最后,以Garver-18节点系统进行算例仿真,验证文章提出的指标体系及规划模型的合理性、有效性。     

预处理稻壳流化床燃烧制备纳米SiO2的小试实验

为研究预处理稻壳在流化床中燃烧制备纳米SiO_2工艺可行性,在小型流化床试验台上进行预处理稻壳的燃烧试验,并得到活性稻壳灰样品.采用扫描电镜仪(SEM)、能谱仪(EDS)、透射电镜(TEM)、X射线荧光光谱仪和比表面积及孔径分析仪等设备表征床料和稻壳灰的微观结构和理化特性,深入研究酸预处理对稻壳流化床燃烧状态和稻壳灰性能的改善.结果表明:预处理稻壳在流化床内燃烧状况良好,床料无粘结现象,避免了高温下流化床的团聚问题;所得稻壳灰理化特性大幅提高,稻壳灰由15～50 nm的纳米颗粒聚集而成,并具有丰富的约4 nm的介孔孔隙、≥98%的SiO_2纯度以及≤0.08%的超低残炭质量分数;低温条件下酸预处理可以大幅度消除燃烧温度对稻壳灰性能的制约,但高于800℃时温度制约逐渐显现.酸预处理稻壳流化床燃烧可实现制备高纯高活性稻壳灰的目的,且硫酸预处理效果优于柠檬酸.     

基于短时间尺度相关性聚类的负荷预测

负荷预测不仅是电力系统稳定、安全运行的基础,同样也是实现电力需求侧智能用电管理的基础。短时间尺度相关性分析能够挖掘一段时间内负荷的用电行为,相似用电行为分析有助于改善负荷预测效果,因此本文提出了基于短时间尺度相关性聚类的负荷预测方法。首先,根据短时间尺度用电时间序列之间的皮尔逊相关系数构造相关系数矩阵,并对相关系数矩阵进行去噪处理;然后,基于相关系数矩阵,利用模糊c均值聚类的方法来实现不同用电特性负荷之间的聚类,每类中负荷具有相似的用电行为;再分别对每一类中所有负荷数据求和并利用人工神经网络进行超短期负荷预测,基于每类的负荷预测结果计算系统的负荷预测;最后,通过对某110kV变电站10kV负荷馈线的实际数据进行分析,分析结果表明基于短时间尺度相关性分析的聚类提升了负荷预测的效果,从而验证了本文所提方法的有效性。     

三维编织复合材料高速飞轮的极限转速

通过对三维编织复合材料圆柱型结构进行应力分析，对三维编织复合材料高速飞轮的极限转速进行了理论推导和数值计算。结果表明，在保证强度的前提下，三维编织复合材料飞轮能够达到很高的极限转速，完全能够满足飞轮电池的储能使用要求。     

基于BERT模型的增强混合神经网络的谣言检测

网络社交平台中大量谣言的广泛传播严重影响社会稳定。传统谣言检测方法无法有效处理文本中多义词和突出重要关键词,造成检测效果不理想。针对该问题,提出一种基于BERT模型的增强混合神经网络的谣言检测方法。该方法使用BERT模型将推文向量化,通过3种不同尺寸的卷积核学习推文特征,将这些特征进行最大池化拼接得到特征序列,并输入到BiLSTM中学习序列特征。同时引入Attention机制计算注意力分值,实现谣言检测。在公开数据集Twitter15和Twitter16上的实验结果表明,该方法相较于其他方法在谣言检测性能方面提升明显,并在早期检测阶段表现出卓越的检测能力,检测准确率提高了5个百分点。     

基于LeNet-5卷积神经网络和颜色特征的限速标志识别

限速标志识别是智能驾驶的重要组成部分,文中分析了现有方法存在的问题,为了提高神经网络在中国限速标志上的泛用性和准确率,针对限速标志的检测部分,提出了一种基于颜色空间的新型筛选方法;针对限速标志的识别部分,在现有LeNet-5架构的基础上对神经网络进行了改进,并将德国交通标志数据集(GTSRB)和清华交通标志数据集(TT100K)中限速标志数据融合,经过数据扩增后制作成新的数据集送入神经网络来训练模型.通过多次超参数优化,采用swish激活函数,在测试集上得到的最优识别准确率为99.62％,且模型抗干扰能力强,具有较强的实用性能.     

高速铁路不平衡多站协同补偿最小容量研究

为解决高速铁路牵引供电系统负序不平衡问题,在传统基于铁路功率调节器(Railway Power Conditioner,RPC)补偿的基础上,针对所需补偿容量较大的问题,提出了多变电站RPC协同补偿的理论.并对该方法进行了详细证明,推导了在各种情况下的安装容量和补偿方法,该方法较单个牵引变电站所需RPC容量可降低1/3的补偿容量,从而减小了成本.最后,进行了仿真验证,结果表明,该多站协同补偿方法具有可行性和有效性.